我发现了几个与我的问题类似的问题,但答案对我来说不起作用... 我认为,就我而言,这是不同的东西,我需要一些帮助来弄清楚它是什么。
我的脚本读取两个文件,其中包含 50000 个 x 和 y 值,我使用 matplotlib 绘图函数绘制这些值。
我插入了一些打印语句来弄清楚为什么它需要超过一分钟或有时更长时间......所以最后一个“完成!” (在 plt.show() 之前)让我们说 2 秒之后,但随后一切都卡住了......
有时我在一分钟内得到一张照片,有时,同样的事情,需要 5 分钟,或者我会终止进程。
有人可以帮忙吗?我从 2012 年开始在 Mac 上工作...
colors = cm.rainbow(np.linspace(0, 1, len(data_dict.keys())))
fig, ax = plt.subplots(dpi=150)
for key,c in zip(data_dict.keys(),colors):
ax.plot(x,
data_dict[key],
label=key,
color=c,
alpha=.5)
print("%s DONE!" % (key))
ax.axhline(1,color='red',linestyle='--')
ax.grid(True)
ax.set_xlabel("Zeit in ns")
ax.set_ylabel("Distanz in nm")
legend = ax.legend()
print("DONE!")
plt.show()
请您参考如下方法:
典型的显示器显示大约 100 dpis。您正在绘制 50K 点。如果每个点都并排放置,那么您仍然需要 50000/100.0 = 500 英寸来单独显示所有点。通常图表的点之间会有一些空间,这会使所需的英寸数更大。
为了在屏幕上显示图像,matplotlib 将图像压缩到一个可能为 800 x 600 像素的窗口中。因此,50K 个 x 值仅在 800 个像素中显示。
换句话说,您正在让 matplotlib 努力绘制很多点,而这些点在最终图像中被忽视了。
显然,图像应该以人类可理解的方式总结数据。由于我们可能无法将注意力集中在 50K 个可区分点周围,因此您可能应该对数据进行下采样。一种粗略的方法是每第 100 个点取一次:
x = x[::100]
或者,您可以取每 100 分的平均值:
x = x.reshape(-1, 100).mean(axis=1)
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1)
N = 49999
def chunks(seq, n):
# http://stackoverflow.com/a/312464/190597 (Ned Batchelder)
""" Yield successive n-sized chunks from seq."""
for i in xrange(0, len(seq), n):
yield seq[i:i + n]
def downsample(seq, n):
return [sum(chunk)/len(chunk) for chunk in chunks(seq, n)]
x = range(N)
x = downsample(x, 100)
data_dict = {'A' : np.random.random(N), 'B' : np.random.random(N)}
colors = plt.cm.rainbow(np.linspace(0, 1, len(data_dict.keys())))
fig, ax = plt.subplots(dpi=150)
for key,c in zip(data_dict.keys(),colors):
y = downsample(data_dict[key], 100)
ax.plot(x,
y,
label=key,
color=c,
alpha=.5)
print("%s DONE!" % (key))
ax.axhline(1,color='red',linestyle='--')
ax.grid(True)
ax.set_xlabel("Zeit in ns")
ax.set_ylabel("Distanz in nm")
legend = ax.legend()
print("DONE!")
# plt.show()
plt.savefig('/tmp/test.png')
